AI 已經不只是聊天工具，而是逐漸能寫程式、呼叫外部工具、保存記憶，甚至自行規劃與執行任務。當 AI 能力變強，新的資安風險也跟著出現。本系列將用 30 天帶你從傳統 Web 資安一路認識到 LLM 與 AI Agent 的新型攻擊，包括 Injection、Broken Access Control、Prompt Injection、Jailbreak、敏感資料外洩、Tool Abuse、Memory Poisoning 等常見風險。

AI 不只會聊天，也能陪你一起寫程式！本系列從初學者角度出發，帶你認識 Vibe Coding，學會如何透過自然語言描述需求，讓 AI 協助產生程式碼、設計畫面、修改功能與快速建立原型。30 天不追求打造超大型專案，而是一步步拆解與 AI 協作寫程式時真正會遇到的問題，包括 Prompt 怎麼下、需求怎麼拆、程式碼怎麼驗收，以及如何避免 AI 幻覺、需求漂移、功能被改壞、API Key 外洩與大型 Diff 等常見陷阱。即使程式基礎不深，也能學會把 AI 從「自動寫程式的黑盒子」，變成真正能一起工作的開發夥伴。

本系列不只介紹 Codex 功能，而是把它放進真實軟體工程流程中實測。從理解既有 Repo、處理 Issue、修 Bug、跨檔案修改、補測試，到 Code Review、PR、CI 與多 Agent 協作，逐步比較 Human、Codex 與 Human＋Codex 的完成時間、成功率、人工介入與錯誤類型，最後回答：Coding Agent 能做到多接近真正的軟體工程師？

會呼叫 LLM API，不代表做得出可靠的 AI 系統。本系列從工程角度拆解一個 AI Demo 如何走向 Production，實作 Structured Output、模型選擇、RAG、Retrieval Eval、LLM Evaluation、Agent、Guardrails、Tracing、成本與延遲控制，並以 Accuracy、Recall、Latency、Cost 等指標持續驗證，建立可測試、可觀測、可維護的 AI Engineering 方法。

我想測試一件很現實的事：每天的 Email、資訊整理、研究、待辦與 GitHub 工作，到底有多少可以真正交給 AI？本系列從流程盤點開始，逐步建立 Email 分流、資訊篩選、Issue Triage、Coding Agent、Human-in-the-loop、權限控管、狀態管理與失敗復原，並記錄每條流程的人工介入、錯誤率與實際節省時間，最後算出 AI 自動化到底有沒有真的提高效率。

會跟 Claude 聊天，不代表真的會讓 Claude 幫你工作。這個系列不打算逐項介紹功能，而是把 Claude 當成一位剛加入工程團隊的 AI 新人，從基礎能力開始，一步步教它理解需求、使用工具、處理資訊，最後能參與實際的開發流程。